计算化学博士生职位

项目概览

苏黎世联邦理工学院（ETH Zurich）化学与应用生物科学系招聘一名全职、固定期限的计算化学博士生，工作地点为瑞士苏黎世，预计于2027年初开始。项目由分子物理科学研究所 Sereina Riniker 教授的计算化学组开展，核心研究对象是环肽，重点考察其蛋白结合亲和力和细胞通透性。项目将与一家制药公司及一个实验型高校课题组合作，把分子模拟、机器学习与药物设计问题连接起来。

项目详情

Riniker 课题组长期关注经典分子动力学模拟和化学信息学方法的开发，并将这些方法用于解决具有挑战性的生物与化学问题。本博士课题会围绕环肽展开：一方面研究环肽如何与蛋白靶点结合，另一方面研究其穿过细胞膜的能力。项目不是纯粹的软件使用或常规模拟，而是同时涉及方法选择、采样效率、结果解释，以及与实验和产业合作方之间的迭代。

博士生将主要使用分子动力学（MD）模拟，并采用增强采样技术探索常规模拟难以充分覆盖的构象空间；机器学习也会进入研究流程。公开职位说明没有给出具体靶蛋白、环肽库、实验测定方案或机器学习任务，因此不能据此假定课题已经确定某一模型、数据集或实验管线。申请前值得向团队确认计算与实验如何分工、合作数据能否用于论文、项目的知识产权和发表审批规则，以及博士生在方法开发与应用研究中的实际比重。

项目提供计算化学和计算机辅助药物设计方面的研究与训练。课题组表示，成员可使用前沿研究资源，在协作环境中工作，并与学术界和产业界的国际教师及研究人员共同开展研究。职位说明没有列出具体算力平台、软件许可或差旅安排，因此这些资源的可用范围仍应单独确认。

申请人应已取得计算化学、化学、生物化学或物理学硕士学位。分子动力学模拟、机器学习和较强的 Python 编程能力属于明显加分项；同时要求英语熟练，并具备良好的沟通能力、团队协作能力、主动性、优秀学业记录和职业诚信。职位并未把某一项模拟软件或机器学习框架列为硬性门槛。

申请要点

• 职位性质：100%全职、固定期限博士生职位，地点为瑞士苏黎世，预计2027年初入职。

• 学术背景：计算化学、化学、生物化学、物理学或紧密相关方向的硕士学位。

• 方法能力：分子动力学、增强采样、机器学习和 Python 编程经历会显著增强匹配度。

• 研究合作：项目与制药公司和实验型高校课题组合作，聚焦环肽、蛋白结合亲和力和细胞通透性。

• 申请材料：研究兴趣陈述、完整简历及论文清单、两名推荐人的姓名与联系方式、学位证书和成绩单复印件。

• 申请方式：只能通过官方在线申请系统提交；邮件或邮寄申请不予受理。咨询可联系 Sereina Riniker 教授（sriniker@ethz.ch），但不得向该邮箱递交申请。

• 截止时间：2026年9月30日。

• 特别规则：官方明确要求申请材料除校对工具外不得使用任何人工智能辅助。候选人必须自行组织和表达申请内容；本项目的预筛选由招聘人员完成，不由人工智能完成。

• 资助与薪酬：职位页确认这是全职固定期限岗位，但未公布具体工资、合同期限、社会保险、搬迁支持或学费安排，应在后续环节核实。

需要进一步确认

• 具体环肽体系、靶蛋白、实验合作方、数据访问方式，以及计算与实验之间的里程碑。

• 博士合同的起始工资、期限与续签机制，学费和社会保险安排，以及国际候选人的居留手续。

• 产业合作所涉及的知识产权、保密要求、论文发表审批和成果开放边界。

• 课题组可提供的算力、软件许可、共同指导、实验验证和国际合作资源。

• 中国学历申请人的学位等同性、语言材料、签证和入职文件须按个人情况由学校确认；职位说明没有设置国籍限制，但不能据此视为个案已自动满足全部录取与居留条件。

PhD 项目深度调研报告：计算化学博士生岗位

执行结论

推荐结论：有吸引力，但需要核实匹配度（Strong but verify fit）。

这是一个信号很强的计算化学博士机会，更适合能用扎实的化学研究经历证明自己具备分子动力学、增强采样、机器学习和 Python 能力的申请者。项目的主要优势相当明确：ETH Zurich、化学与应用生物科学系（D-CHAB）、Sereina Riniker 教授的计算化学课题组、明确与制药企业合作的环肽研究，以及位于苏黎世、工作量为 100% 的固定期限博士岗位。课题与团队近年在环肽构象、机器学习／分子力学（ML/MM）、化学信息学和分子性质预测方面的工作也高度一致。

没有给出更积极的推荐，并非因为学术实力不足，而是公开细节仍有重要缺口。招聘信息没有说明具体采用哪一档 ETH 博士工资，也没有公布制药企业、实验方向的学术合作实验室、靶蛋白、肽系列、知识产权和论文发表限制，以及非欧盟国际申请者实际适用的博士费用规则。这些属于面试中的正常问题，却会实质影响申请判断。只有在工资标准、导师安排和合作约束均可接受的前提下，才能把项目的整体吸引力落到实处。

官方对申请材料的 AI 使用限制必须严格遵守，这不是写作风格建议：Please do not use any AI assistance other than proofreading tools when preparing your application for this position. 也就是说，准备本岗位申请时，除校对工具外，不得使用任何 AI 辅助。本报告仅用于项目调研，不生成或代写任何申请材料。

学校、培养项目与所在地

ETH Zurich 为这一课题提供了非常强的机构环境。ETH 的博士培养页面显示，其博士项目以研究为核心，由教授指导；学校约有 4,500 名博士生，除少数例外，博士生通常以科研助理身份受聘。该岗位隶属 D-CHAB。院系博士培养页面显示，这里有约 500 名来自世界各地的博士生，分布在 50 多个课题组中；D-CHAB 还表示，瑞士约一半的化学博士生由其培养。由此可见，这是一套规模较大、博士研究人员密集的培养环境，而不是一个相对孤立的小团队。

院系与课题的方向也直接对应。D-CHAB 的研究页面将分子物理科学研究所（IMPS）的研究范围概括为理论与计算化学、实验物理化学和生物物理化学，与岗位关注的分子动力学、增强采样、机器学习、环肽、蛋白质结合亲和力和细胞通透性高度吻合。院系介绍还列出 50 多名研究教授、约 490 名博士生、170 名博士后，以及较完善的科研基础设施。

多项排名给出的信号较强且基本一致。ETH 公布的信息显示，该校在 QS 2027 世界大学排名中并列全球第 8，是欧洲大陆排名最高的大学；QS 2026 排名将 ETH Zurich 列为全球第 7。Times Higher Education 将其列为 2026 世界大学排名第 11、物理科学第 9；ARWU 2025 则列为全球第 22、瑞士第 1。排名不能替代对导师和课题匹配度的判断，但能为学校整体声誉和雇主认可度提供补充证据。

苏黎世的科研和职业生态同样具有吸引力，尤其适合希望接触制药与生物技术行业的人。不过，这座城市的生活成本也很高，所在地既是项目优势，也是必须提前纳入预算的现实变量。

来源：ETH 博士培养概览；D-CHAB 博士培养；D-CHAB 院系介绍；D-CHAB 研究方向；ETH 发布的 QS 2027 排名信息；QS 2026 排名结果；THE 的 ETH 排名页面；ARWU 2025 排名。

导师与团队评估

导师研究方向

Sereina Riniker 教授与本课题的匹配度很高。ETH 官方简介显示，她是 D-CHAB 计算化学正教授。她在 ETH 获得化学硕士学位，并以分子动力学模拟研究取得博士学位，随后在 Novartis Institutes for BioMedical Research 从事化学信息学博士后研究。她于 2014 年入职 ETH，2020 年晋升副教授，2025 年 4 月晋升正教授。该简介将计算化学列为其研究领域，并列出 2024 年 Hansch Award、ETH Latsis Prize 等奖项。

课题组公开的研究方向与招聘内容紧密衔接。计算化学课题组主要开发经典分子动力学和化学信息学的方法与软件，并将其用于生物学和化学问题。研究概览强调对生物分子动态过程的原子级模拟，以及面向柔性有机分子和靶蛋白相互作用的化学信息学。肽与大环分子研究页面与本岗位尤其相关，其中涉及环肽结构与通透性的关系、亚稳态构象、多微秒分子动力学模拟，以及如何把构象行为与通透性、溶解性联系起来。

近年重要论文

2026 年 JACS 论文 Multiscale Neural Network Potential with Anisotropic Message Passing for the Fast and Accurate Simulation of Protein Dynamics and Enzymatic Reactions，体现了团队在方法开发方面的实力。PubMed 将 Riniker 教授列为共同作者；论文摘要介绍了在 BMS25 数据集上训练的 AMP-BMS，用于采用静电嵌入的蛋白质和酶反应 ML/MM 模拟，包括长时间生物分子模拟和累计微秒级采样。对这个博士课题而言，这说明团队具备较强的机器学习辅助分子模拟能力。

同样发表于 2026 年的 Journal of Chemical Information and Modeling 论文 Balancing Data Quantity and Quality: Evaluating Curation Strategies for Bioactivity Prediction in Lead Optimization，直接讨论机器学习模型的可靠性。文章发现，在所测试的先导化合物优化场景中，牺牲标签一致性来扩大训练集，并未改善模型的泛化表现；图神经网络（GNN）的结果还会随随机种子发生波动。这为后续开展结合亲和力或通透性预测提供了很有价值的方法论背景。

2023 年 Journal of Medicinal Chemistry 论文 Lessons for Oral Bioavailability: How Conformationally Flexible Cyclic Peptides Enter and Cross Lipid Membranes，是与本项目主题最接近的前期工作。PubMed 所列作者单位包括 ETH Zurich 和 Novartis，Riniker 教授为共同作者。该研究直接连接了环肽、构象柔性、跨膜过程和制药合作。

2026 年 Journal of Cheminformatics 的 Torsion Angular Bin Strings 论文则补充了构象分析方面的证据。研究更新了一种用于表征构象集合和分子柔性的离散扭转角方法。对于构象状态可能影响通透性的环肽和大环分子，这类方法与项目具有直接相关性。

实验室、资源与合作环境

从公开信息看，团队研究活跃，技术资源也较为充足。课题组属于 D-CHAB 的 IMPS，可使用 ETH 的 Euler 高性能计算（HPC）集群。官方论文清单显示团队在 2026 年持续有研究产出；组内研讨安排则显示，团队在 2026 年秋季每周举行项目报告和文献短讲。课程目录还列出由 Riniker 和 Gregory Landrum 共同讲授的“化学信息学与计算机辅助药物设计”，内容涵盖分子表示、指纹、机器学习和虚拟筛选。公开的 GitHub 仓库和 ETH Research Collection 资料也反映出团队围绕 AMP/MM 与 BMS25 形成了软件和数据资源。

目前最需要核实的是尚未具名的合作安排。招聘信息提到，项目将与一家制药企业和一个实验方向的学术实验室合作，但没有公布合作方。如果双方能够提供实验测定和药物化学反馈，这会是明显优势；与此同时，合作也可能附带保密、知识产权或论文发表限制，需要在面试中确认。

来源：Riniker 教授的 D-CHAB 简介；ETH 人员目录中的 Riniker 简介；计算化学课题组主页；团队介绍；团队研究概览；肽与大环分子研究；多尺度建模研究；团队期刊论文清单；组内学术报告安排；2026 年秋季课程目录；AMP-BMS 多尺度神经网络势论文；生物活性预测数据整理策略论文；环肽跨膜与口服生物利用度论文；扭转角分箱字符串论文；BMS25 数据集；AMP/MM 与 REST2-AMP/MM 代码仓库。

研究方向与领域前景

领域动向

这个课题切入的是一个活跃且难度较高的研究方向。环肽和大环分子能够作用于传统小分子较难处理的生物靶点，包括蛋白质—蛋白质相互作用界面，但细胞通透性和口服生物利用度往往是其短板。课题组的肽研究也围绕这一瓶颈展开：实验通透性测定成本高、速度慢；同时，环肽具有较强的构象柔性，因此影响性质的不只是某个静态结构，还可能包括不同构象的群体分布和相互转化速率。

整个领域正在转向物理模型与数据驱动方法的结合。近期 AI 药物发现综述肯定了搜索、预测和生成方法的潜力，但对临床转化、体内性质和实验验证仍持谨慎态度。环肽机器学习研究也提出了更具体的限制：模型表现会受到分子表示、数据划分和适用域的明显影响；采用骨架划分时，泛化效果可能远弱于随机划分；分子动力学产生的三维描述符能够改进预测，却无法消除数据不足的问题。

潜在研究切入点

现有证据支持几条可能的博士研究路线。第一，使用增强采样分子动力学研究环肽在水相、类膜环境和蛋白质结合环境中的构象集合。第二，借助机器学习预测通透性或结合亲和力，同时明确处理模型不确定性和适用域。第三，开发能够把扭转角或构象状态与通透性、结合实验结果联系起来的描述符。第四，与实验和制药合作方开展前瞻性设计，由计算结果筛选值得实验检验的化合物或研究假设。

更理想的项目形态，是把三个层面真正接起来：具有物理可解释性的分子动力学、不过度夸大统计表现的机器学习，以及持续的实验反馈。主要技术风险，是在规模较小、异质性较强的肽数据上高估预测能力。公开文献提示，严谨的验证设计可能与模型表面上的准确率同样重要。

职业与市场前景

职业市场信号总体有利。瑞士拥有规模较大的制药与生物技术生态。《Swiss Biotech Report 2026》显示，行业在 2025 年创下收入纪录，研发投入较高，瑞士研发生物技术企业拥有超过 21,000 个全职当量岗位（FTE）。瑞士政府中小企业门户对同一趋势的总结也提到就业规模创下纪录。把分子动力学、化学信息学、机器学习、Python／HPC 和实验协作结合起来的博士训练，与制药建模、计算药物发现、化学信息学、平台型生物技术及学术计算化学岗位有较好的对应关系。

不过，就业竞争力最终仍取决于实际产出，包括论文、可复用的代码或工作流程、扎实的验证经验，以及在计算、实验和产业团队之间清楚沟通的能力。

来源：ETH 官方岗位说明；团队肽研究方向；团队多尺度建模方向；AI 药物发现现状与前景综述；环肽细胞膜通透性预测器适用域研究；环肽膜通透性 AI 方法系统基准研究；活细胞中随机环肽膜通透性的批量测量研究；瑞士生物技术报告；2025 年瑞士生物技术事实与数据；瑞士政府对生物技术行业纪录的总结。

资助、申请与生活成本

截至 2026 年 9 月 13 日，可访问的 ETH 官方招聘信息确认：这是一个位于苏黎世、工作量为 100% 的固定期限博士岗位，申请截止日期为 2026 年 9 月 30 日。申请材料包括兴趣陈述、完整简历和论文清单、两名推荐人的姓名及联系方式，以及学位证书和成绩单。申请必须通过线上入口提交，邮件或邮寄申请均不予考虑。优先入职时间为 2027 年初。

ETH 的雇佣资料支持将其理解为有工资的博士雇员岗位，但具体工资档次仍未知。ETH Staffnet 说明，博士固定档工资分为标准档和第 2、3、4、5 档，实际档次会写入雇佣合同。ETH Welcome Center 则说明，博士生／科研助理 I 领取固定档工资，并有工资晋级安排；新入学且由奖学金资助的博士生，收入会补足到至少最低标准档。D-CHAB 还指出，可以向研究所行政部门查询该研究所通常采用的工资档次。因此，本报告只能确认这是一个工作量为 100% 的受雇岗位，无法确认公开信息未披露的具体工资档次。

合同边界相对清楚。ETH Staffnet 表示，博士生属于临时雇员，最长受聘六年；首份合同至少 18 个月，后续合同至少 12 个月，最后一年可签订最短三个月的合同。工资通常按十二个月发放。

费用信息需要谨慎解释。ETH 博士财务页面列出：境外高校毕业生的注册费为 CHF 150；注册博士考试后需缴纳一次性博士学费 CHF 1,500；每学期另有 CHF 42 的强制费用。与此同时，ETH 通用学费页面说明，自 2025 年秋季起，许多不属于第 1 类费用组的外国学生每学期需缴 CHF 2,190。由于本项目属于受雇博士岗位，且博士财务页面另列了博士专用费用，非欧盟国际申请者仍应向 ETH 核实，2025 年后的外国学生学费分类是否适用于自己的情况。

苏黎世生活成本较高。ETH 的生活成本页面估算，单人每月支出约为 CHF 2,430；住宿页面则显示，合租房间通常为每月 CHF 800—1,000，一室至两室半公寓的费用会明显更高。对非欧盟／非 EFTA 申请者，ETH Welcome Center 说明，工作和居留许可流程取决于国籍，通常需要在入境瑞士工作前取得签证批准。瑞士驻华机构还指出，停留超过 90 天需要州级居留许可，长期签证由州级主管机关审批。就中国申请者而言，公开信息未见国籍限制，因此原则上存在申请可能，但入学资格认可、签证与工作居留许可的办理时间仍需逐人核实。

来源：ETH 官方岗位说明；线上申请入口；D-CHAB 博士申请说明；ETH 固定档薪资规则；ETH Welcome Center 工资说明；ETH 雇佣规则；ETH 博士费用说明；ETH 通用学费说明；ETH 生活成本估算；ETH 住宿说明；抵达与入职前手续；瑞士驻华机构长期签证材料说明。

申请者匹配与准备

更适合的背景

更匹配的是计算化学、化学、生物化学或物理学硕士层次申请者，具备优秀的学术表现和扎实的计算研究经验。招聘信息明确看重分子动力学模拟、机器学习和较强的 Python 能力。结合团队研究方向，增强采样、构象分析、自由能与统计力学基础、化学信息学和可复现工作流程也会具有较高相关性。

需要谨慎的情况

如果经历主要是通用机器学习而缺少分子模拟，或只有肽化学湿实验经验而缺少编程，或仅接触过分子对接与黑箱式药物发现、缺少统计力学基础，就需要谨慎评估与课题的匹配度。对于必须在面试前获知产业合作方、肽系列、工资档次和知识产权条款的申请者，这个项目也可能难以满足其信息透明度要求。

建议强化的能力与证据

有说服力的经历包括：在分子动力学、增强采样、计算药物发现、化学信息学、蛋白质—配体建模、肽或大环分子模拟、机器学习模型验证等方向完成硕士论文或研究项目。能够展示 Python 项目、可复现分析、HPC／GPU 使用经验、考虑不确定性的模型评估，以及跨计算与实验团队协作能力，也有助于证明匹配度。所有申请材料必须遵守招聘中的 AI 使用限制：只能使用校对工具，不得借助其他 AI 辅助。本报告不提供任何申请材料草稿。

来源：ETH 官方岗位说明；团队研究概览；团队肽研究方向；团队多尺度建模方向；2026 年秋季课程目录；D-CHAB 博士申请说明；ETH 博士注册与入学申请说明。

风险与待核实问题

高优先级问题

1. 这个工作量为 100% 的岗位，第一年适用哪一档 ETH 博士工资？此后预计如何逐年晋级？
2. 岗位采用 ETH 固定档工资，还是总额包干或项目资助方另行安排的模式？
3. 对中国或其他非欧盟／非 EFTA 申请者，谁负责启动签证以及工作、居留许可流程？如计划 2027 年初入职，应预留多长时间？
4. 是否适用 ETH 博士财务页面列出的博士定额费用模式？2025 年后的外国学生学费规则是否会影响该岗位？
5. 制药企业和实验方向学术实验室各自承担什么角色？合作附带哪些数据、实验测定、知识产权或论文发表限制？
6. 项目开始时预计研究哪些环肽类别、靶蛋白，以及哪些通透性或结合实验？

中优先级问题

1. 博士期间预计承担多少教学或院系服务工作？如何对应 D-CHAB 的 600—670 小时指南？
2. 博士生可使用 Euler 或其他 HPC／GPU 系统中的哪些计算资源？
3. 实验合作实验室或产业合作方是否会有人正式担任共同导师或博士论文委员会成员？
4. 计算预测预计以怎样的频率接受实验检验？
5. 如果申请者平时会用 AI 起草、翻译或编辑文本，应如何确保整个申请过程严格遵守“仅可使用校对工具”的限制？

证据与来源

本报告采用学校、导师与课题组、排名、论文、政府和行业来源。与岗位及申请有关的事实，以 ETH 官方岗位页面及其链接的线上申请入口为依据。

项目、培养与申请

• ETH 官方岗位说明
• 线上申请入口
• D-CHAB 博士培养
• D-CHAB 博士申请说明
• D-CHAB 院系介绍
• D-CHAB 研究方向
• ETH 博士培养概览

导师、团队与研究资源

• Riniker 教授官方简介
• 计算化学课题组主页
• 团队介绍
• 团队研究概览
• 肽与大环分子研究
• 多尺度建模研究
• 团队期刊论文清单

论文与领域前沿

• AMP-BMS 多尺度神经网络势论文
• 生物活性预测数据整理策略论文
• 环肽跨膜与口服生物利用度论文
• 扭转角分箱字符串论文
• AI 药物发现现状与前景综述
• 环肽通透性预测器适用域研究
• 环肽膜通透性 AI 方法系统基准研究

雇佣、费用与国际申请手续

• ETH 固定档薪资规则
• ETH 雇佣规则
• ETH 博士费用说明
• ETH 生活成本估算
• 抵达与入职前手续
• 瑞士驻华机构长期签证材料说明

行业环境

• 瑞士生物技术报告
• 2025 年瑞士生物技术事实与数据
• 瑞士政府对生物技术行业纪录的总结